Habilidad de CLI QuickDesign
Esta habilidad enseña a Claude cómo planificar y ejecutar generación de medios de IA a través de la CLI quickdesign. La CLI envuelve los modelos alojados de QuickDesign (Seedance 2.0 R2V/I2V, Kling, Sora 2, Nano Banana, GPT Image, mejora de escala de video) para que una sesión de Claude pueda producir videos e imágenes directamente desde Bash sin gestionar claves API, sondeos ni almacenamiento de archivos.
Cuándo invocar
- Video con avatar parlante / UGC — "haz un anuncio de 30 segundos donde esta persona diga X", "convierte este guion en un video", "crea un clip de selfie de creador"
- Promo / explicador multi-segmento — cualquier cosa donde el discurso total sea >15s (límite de un segmento de Seedance) o donde el usuario quiera cortes de ángulo / progresión de encuadre
- Edición / generación de imagen — cambio de ángulo, cambio de estado, producto sobre fondo blanco, composite de estilo de vida, creativos con kit de marca, composición con referencia de múltiples productos
- Mejora de escala de video — llevar salida 720p / 1080p a 1080p / 4K
- Producción creativa por lotes / en masa — "haz esto para cada una de estas 5 fotos de producto"
NO usar para: generación de texto puro, ediciones de código, búsqueda — esas tienen sus propias herramientas.
Reglas cardinales (leer primero, cada vez)
Estas se aplican a cada generación. Romper cualquiera de ellas produce defectos visibles.
-
Modelo de video predeterminado =
seedance-2.0-r2vpara CUALQUIER trabajo de UGC / avatar parlante / promo / explicador / multi-escena, independientemente de la duración o el número de segmentos. No bajes aseedance-2.0-i2vporque el guion sea "lo suficientemente corto" — R2V maneja tomas únicas de 4-15s tan bien como multi-segmento, y pasar por R2V desde el principio preserva cada primitiva de la que depende esta habilidad (referencias@Image1, múltiples--reference-image, continuidad de voz--reference-audio). Cambia de R2V solo si el usuario lo acepta explícitamente ("usa Sora 2") o si R2V no está disponible en el registro.⚠️ El nombre "i2v" (imagen-a-video) es engañoso. R2V también acepta un flujo de imagen única a video — solo pasa una
--reference-image. No elijas i2v porque la tarea sea "imagen-a-video en español". Una cadena de razonamiento de agente como "el usuario quiere animar imágenes estáticas → imagen-a-video → por lo tanto seedance-2.0-i2v" es la regresión silenciosa que esta regla busca prevenir. Incluso cuando estás animando una sola edición de banana sin discurso y sin necesidades de múltiples referencias, R2V sigue siendo el predeterminado — i2v no añade nada y pierde las primitivas si la siguiente iteración de la tarea SÍ las necesita.Ver
models/seedance-2.0-r2v.md. -
Usa etiquetas de referencia
@Image1/@Audio1/@Video1en los prompts, y pasa CADA foto relevante como una referencia separada. Tantonano-banana-2(edición de imagen) como Seedance 2.0 R2V (video) aceptan múltiples banderas--reference-image. Si el usuario subió un producto desde dos ángulos, pásalas ambas — describir la segunda en prosa es una regresión. No redescribas a la persona, vestimenta o producto en palabras; eso compite con la imagen de referencia y causa desviación.❌ Incorrecto — redescrpción verbosa y literal de
@Image1:Foto UGC auténtica de la mujer de la referencia (cabello largo y ondulado castaño, maquillaje natural brillante, labios melocotón-coral gloss, aretes de aro dorados, gargantilla de perlas, sonrisa suave), usando las zapatillas de cuero beige de la segunda referencia, en un dormitorio minimalista acogedor...Banana YA ve su cabello / maquillaje / labios / joyería en
@Image1y el color / silueta / suela de las zapatillas en@Image2. Redescribirlos le dice al modelo "ignora las referencias, pinta desde esta prosa" — compite con el ancla visual y causa desviación.✅ Correcto — las etiquetas hacen el trabajo, la prosa solo describe lo NUEVO:
Edita @Image1: cambia la pose a selfie de espejo con iPhone. Agrega una camiseta blanca de costilla + jeans oversized holgados. Zapatillas que coinciden con @Image2 visibles en la parte inferior del encuadre. Mantén rostro, cabello, maquillaje, joyería e iluminación sin cambios de @Image1.Ver
references/multi-reference-pattern.mdy la tarjeta por modelo bajomodels/. -
Continuidad de voz multi-segmento =
--reference-audiodel audio extraído del Seg 1. Genera el Seg 1 primero →ffmpeg -vn -acodec libmp3lameextrae audio → pasa ese mp3 como--reference-audioa los Segs 2..N. Sin esto, cada segmento elige una voz diferente. Verreferences/voice-continuity.md. -
Suprime la capa de música de fondo y los subtítulos quemados — solo directiva mínima. Agrega dos líneas cortas al prompt:
Sin banda sonora.ySin subtítulos ni texto en pantalla.Eso es todo. NO enumeres sonidos ambientales que quieras conservar ("ruido de calle, charla de café, máquina de espresso") — Seedance produce ambiente natural por sí mismo; sobre-prescribir hace que el audio suene guionizado. Verreferences/no-music-no-subtitles.md. -
Para subtítulos quemados, usa
quickdesign video subtitleDESPUÉS de la generación. Nunca dejes que el modelo de video queme sus propios subtítulos a través del prompt — alucinan. El endpoint de subtítulos dedicado ejecuta ASR real (ElevenLabs) y renderiza subtítulos precisos al estilo karaoke. Verreferences/auto-subtitle.md. -
Compuertas de confirmación — pausa antes de gastar créditos, incluso en modo automático. El modo automático reduce la fricción para trabajo reversible de bajo costo (ediciones de archivos, investigación, planificación). La generación de IA paga no es ni de bajo costo ni reversible — el modo automático NO omite estas compuertas. Siempre:
- Resumen del plan ANTES de cualquier generación de video (Tipo / Modelo / Duración / Costo / Guion). Muéstralo, luego espera un "adelante" explícito (modo normal) O procede de inmediato manteniendo el plan visible sobre la llamada bash para que el usuario pueda cancelar la tarea antes de que el gasto se complete (modo automático). El plan debe llegar ANTES de la invocación bash, nunca después.
- Referencia de edición Banana ANTES de alimentarla en Seedance R2V → muestra la edición, espera aprobación visual. Banana ~12cr, Seedance ~250-500cr; una referencia incorrecta encadenada automáticamente quema 50× el costo. Esta compuerta NO se comprime en modo automático.
- Ver
references/confirmation-rules.mdpara la interacción completa con modo automático.
-
Para compuertas de elección usa la herramienta
AskUserQuestion, no prosa libre. Selector de modelo, estilo de transición, resolución, aprobar / regenerar / cancelar edición de banana — llama aAskUserQuestioncon una lista estructurada de opciones y pon tu recomendación PRIMERO con(Recomendado). Verreferences/confirmation-rules.md. -
Cuando el avatar se proporciona Y la configuración no cambia, EDITA el avatar — no lo regeneres. Los prompts de estilo compositivo de Banana ("Compón un encuadre UGC vertical 9:16 de selfie...", "Genera una escena de selfie de creador...") hacen que el modelo renderice una imagen fresca de aspecto IA inspirada en el avatar — perdiendo la iluminación, el grano y la autenticidad de baja fidelidad de la fuente. El resultado se siente sintético en lugar de como un selfie editado de un creador real. Usa verbos de edición (
Edita @Image1: agrega ...,Toma @Image1 tal cual y solo cambia ...,Conserva cada píxel de @Image1 excepto [región]), no vuelvas a listar tokens de escena que la referencia ya muestra, y elimina palabras de mejora de calidad ("fotorrealista", "calidad de estudio", "8K") del prompt — desencadenan regeneración. Verreferences/avatar-edit-not-regenerate.md. -
Para video UGC, presenta la elección hablado o silencioso — no elijas en silencio. "Video UGC" es ambiguo: podría ser un clip de creador hablado (basado en guion, voz + sincronización labial) O un ritmo solo de movimiento (revelación de OOTD, B-roll, fotos animadas con superposiciones de texto en postproducción). Ambos son formatos creativos legítimos. El agente NO debe elegir uno en silencio:
- Señal fuerte hacia HABLADO (adelante): el usuario escribió "avatar parlante", "creador dice", "voz en off", "explicador", "anuncio con guion", o proporcionó un guion ellos mismos. Construye guion → ponlo en el resumen del plan → genera con
generate_audio: truey el discurso citado en línea. - Señal fuerte hacia SILENCIOSO (adelante): el usuario escribió "revelación de OOTD", "solo movimiento", "sin audio", "B-roll", "estética Pinterest", o quiere un carrete de animación de imágenes estáticas.
- "Video UGC" / "video promocional" / "video de anuncio" ambiguo — llama a
AskUserQuestioncon dos opciones: hablado (con un gancho borrador de 4-8 palabras) o silencioso + texto superpuesto en postproducción. Recomienda cualquiera que se ajuste mejor al resumen del usuario. NO uses silenciosamente el predeterminado.
Cuando se selecciona HABLADO: nunca comiences la generación sin discurso citado en el prompt. Si el usuario no proporcionó uno, redacta 4-12s de diálogo que se ajuste al resumen, muéstralo en el resumen del plan, luego procede. Generar con un prompt de acción genérica y sin discurso citado produce video silencioso o fonemas balbuceados por el modelo — créditos desperdiciados.
Ver
references/script-and-duration.mdpara matemáticas de recuento de palabras → duración. - Señal fuerte hacia HABLADO (adelante): el usuario escribió "avatar parlante", "creador dice", "voz en off", "explicador", "anuncio con guion", o proporcionó un guion ellos mismos. Construye guion → ponlo en el resumen del plan → genera con
-
Los planes multi-segmento se DETIENEN después del Seg 1 para aprobación visual — no expandas los Segs 2..N hasta que el usuario confirme que el Seg 1 salió bien. La continuidad de voz bloquea el audio del Seg 1 en cada segmento subsiguiente a través de
--reference-audio. Si el Seg 1 tiene la voz incorrecta, la identidad de avatar incorrecta, una palabra mal pronunciada o un encuadre fuera de marca, cada Seg 2..N en paralelo hereda ese defecto. Un plan de 4 segmentos a ~250cr/segmento = ~1000cr; expandir automáticamente un Seg 1 defectuoso quema ~750cr que no necesitaban gastarse.El flujo es:
- Resumen del plan → usuario aprueba (Regla 5).
- Renderiza solo Seg 1.
- Muestra la URL del video del Seg 1 en el chat + llama a
AskUserQuestioncon opciones:- Se ve bien — renderiza Segs 2..N (Recomendado si Seg 1 está limpio)
- Re-renderizar Seg 1 (ajustar prompt / referencia / duración)
- Cancelar el plan multi-segmento
- Solo con "Se ve bien" → expande Segs 2..N en paralelo con el audio extraído.
Esta compuerta NO se comprime en modo automático. El multiplicador de gasto de Seg 1 a Seg N es el mismo independientemente de lo paciente que sea el usuario. Ver
pipelines/ugc-video.mdpara el flujo canónico multi-segmento. -
La cámara permanece quieta. No cambies el ángulo / encuadre a menos que el usuario lo pida explícitamente. El UGC de estilo documental (entrevista callejera, demostración de cocina, POV del fundador, testimonio de cliente, estilo vlog) se lee como un punto de cámara continuo, no una secuencia de cortes multi-ángulo. Predeterminado: mismo encuadre (ej., plano medio a nivel de ojos), misma distancia, avatar aproximadamente en la misma posición en cada segmento. La "transición" entre segmentos es el gesto / línea / micro-expresión del avatar — no un corte de ángulo.
❌ Predeterminados incorrectos (regresión silenciosa — produce una sensación de "filmado por un Director de Fotografía" que destruye la autenticidad UGC):
- Seg 1 plano medio → Seg 2 sobre el hombro → Seg 3 primer plano
- "Acérquese lentamente al orador"
- "Corte a primer plano del producto en el remate"
- Cada segmento de
nano-banana-2ref usando un ángulo diferente de la misma persona
✅ Predeterminado correcto (autenticidad UGC preservada):
- Mismo encuadre de origen o ángulo/iluminación casi idénticos en cada segmento. Solo la posición de la mano, la mirada o la expresión del avatar cambian entre segmentos.
Solo cambia a multi-ángulo cuando el usuario lo pida explícitamente: "ángulos alternos en cada segmento", "corte cinematográfico a primer plano en el gancho", "incluye una toma sobre el hombro del producto", "UGC multi-cámara estilo estudio". Cuando no estés seguro, pregunta mediante
AskUserQuestion: Cámara fija (recomendado para UGC documental) / Multi-ángulo (cortes cinematográficos).Ver
references/first-frame-not-camera-motion.mdpara la regla relacionada sobre encuadre estático vs. movimiento de cámara descrito. -
Audita TODAS las referencias que el usuario proporcionó — solo el producto no es suficiente para UGC. Cuando el resumen sea "haz un video UGC para este producto" y el usuario proporcionó SOLO una foto del producto, DETENTE antes de generar. Seedance R2V necesita referencias ancladas para: el producto, el avatar / creador (rostro, complexión, vibra), y la escena / ubicación (cocina, baño, acera, gimnasio). La prosa puede describir el producto en detalle, pero si describes el avatar solo en prosa, Seedance alucinará una persona genérica — usualmente una mujer caucásica de apariencia sintética en sus 20s — y la escena se leerá como B-roll de stock, no el mundo de la marca. El resultado no cumple con el estándar de "no parece hecho".
Antes de la generación, audita los medios proporcionados:
- Imagen del producto — casi siempre presente. Pasa como
--reference-imagecon la etiqueta de prompt@Image1. - Imagen del avatar / creador — si el usuario proporcionó una, pásala como una
--reference-imageseparada y etiqueta@Image2. Si el usuario no proporcionó una, llama aAskUserQuestionantes de generar: Sube una foto de rostro del creador / Elige de la biblioteca de avatares de QuickDesign (más de 5,000 retratos) / Procede con creador descrito en prosa (riesgo de aspecto sintético). Recomienda "Elige de la biblioteca" si el usuario solo tiene un resumen. - Imagen de la escena / ubicación — si el usuario está filmando una "escena de cocina", "selfie de espejo de baño", "POV de escritorio de oficina", etc., pregunta si tienen una foto de referencia de la habitación real. Pasa como
@Image3si se proporciona.
La llamada a Seedance R2V debería verse así:
quickdesign video generate --provider seedance \ --reference-image product.jpg \ --reference-image avatar.jpg \ --reference-image scene.jpg \ --aspect-ratio 9:16 --duration 12 --resolution 1080p \ -p '@Image2 en @Image3, sostiene @Image1 hacia la cámara. Ella dice: "..." Sin banda sonora. Sin subtítulos ni texto en pantalla.' \ -o seg1.mp4 --waitLas etiquetas
@Image1/@Image2/@Image3hacen el trabajo pesado; la prosa solo describe la acción y el discurso citado. Verreferences/multi-reference-pattern.md. - Imagen del producto — casi siempre presente. Pasa como
Árbol de decisión — qué documento abrir primero
Por tipo de trabajo:
| Solicitud | Comienza aquí |
|---|---|
| UGC / avatar parlante / promo / explicador / anuncio multi-segmento | pipelines/ugc-video.md → models/seedance-2.0-r2v.md |
| Edición de imagen (ángulo, estado, composición multi-producto) | models/nano-banana-2.md → references/multi-reference-pattern.md |
| Toma única cinematográfica, impulsada por calidad de audio (4/8/12s) | models/sora2-i2v.md (solo con aceptación explícita del usuario) |
| Bucle de presupuesto / B-roll sin discurso | models/kling-3-pro.md |
| Video final de baja resolución | models/topaz-video-upscale.md (ejecutar después de concat) |
| Agregar subtítulos a video existente | references/auto-subtitle.md |
| Marca no está en la biblioteca de Spy Brands / 0 resultados de búsqueda | references/spybrands-add-on-miss.md |
(El contenido restante SKILL.md se ha truncado para la traducción, pero la estructura y reglas cardinales están completamente localizadas arriba)